論文の概要: On the Evaluation Protocol of Gesture Recognition for UAV-based Rescue Operation based on Deep Learning: A Subject-Independence Perspective

• arxiv url: http://arxiv.org/abs/2602.17854v1
• Date: Thu, 19 Feb 2026 21:37:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 18:01:41.157742
• Title: On the Evaluation Protocol of Gesture Recognition for UAV-based Rescue Operation based on Deep Learning: A Subject-Independence Perspective
• Title（参考訳）: 深層学習に基づくUAV型救助作業におけるジェスチャー認識の評価プロトコルについて:主観的独立性の観点から
• Authors: Domonkos Varga,
• Abstract要約: 本報告では,フレームレベルのランダム・トレイン・テスト・スプリットによるほぼ完全精度の測定結果について述べる。 この評価は、目に見えない個人に対する一般化を測るものではないことを実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a methodological analysis of the gesture-recognition approach proposed by Liu and Szirányi, with a particular focus on the validity of their evaluation protocol. We show that the reported near-perfect accuracy metrics result from a frame-level random train-test split that inevitably mixes samples from the same subjects across both sets, causing severe data leakage. By examining the published confusion matrix, learning curves, and dataset construction, we demonstrate that the evaluation does not measure generalization to unseen individuals. Our findings underscore the importance of subject-independent data partitioning in vision-based gesture-recognition research, especially for applications - such as UAV-human interaction - that require reliable recognition of gestures performed by previously unseen people.
• Abstract（参考訳）: 本稿では,Liu と Szirányi によるジェスチャー認識手法の方法論的分析を行い,評価プロトコルの有効性に着目した。 その結果、フレームレベルのランダム・トレイン・テスト・スプリット(ランダム・トレイン・テスト・スプリット)が、同じ被験者のサンプルを2つのセットで必然的に混合し、データ漏洩の原因となることが判明した。 論文では, 混乱行列, 学習曲線, データセット構築について検討し, 未確認個体に対する一般化を評価できないことを示した。 視力に基づくジェスチャー認識研究における主観的非依存データ分割の重要性は,特にUAV-ヒューマンインタラクションなどの応用において,これまで見つからなかった人物のジェスチャー認識を確実に行う必要があることが示唆された。

関連論文リスト

• On the Universal Adversarial Perturbations for Efficient Data-free Adversarial Detection [55.73320979733527]
  本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。 実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
  論文  参考訳（メタデータ） (2023-06-27T02:54:07Z)
• Learning from Multiple Expert Annotators for Enhancing Anomaly Detection in Medical Image Analysis [0.31317409221921133]
  医用画像解析において、複数の専門家アノテータは「地上の真実ラベル」に関する主観的な推定をしばしば生成する。 深層学習に基づく検知器の訓練のために,複数の放射線学の専門家によるアノテーションを組み合わせた簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2022-03-20T17:57:26Z)
• Proximal Reinforcement Learning: Efficient Off-Policy Evaluation in Partially Observed Markov Decision Processes [65.91730154730905]
  医療や教育などの観察データへのオフライン強化学習の適用においては、観察された行動は観測されていない要因に影響される可能性があるという一般的な懸念がある。 ここでは、部分的に観察されたマルコフ決定過程(POMDP)における非政治評価を考慮し、この問題に取り組む。 我々は、近位因果推論の枠組みをPOMDP設定に拡張し、識別が可能となる様々な設定を提供する。
  論文  参考訳（メタデータ） (2021-10-28T17:46:14Z)
• Learning Bias-Invariant Representation by Cross-Sample Mutual Information Minimization [77.8735802150511]
  対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。 相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。 我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
  論文  参考訳（メタデータ） (2021-08-11T21:17:02Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Evaluation of Unsupervised Entity and Event Salience Estimation [17.74208462902158]
  Salience Estimationは、文書における用語の重要性を予測することを目的としている。 過去の研究は通常、評価のための疑似根拠の真実を生成します。 本研究では,軽量で実用的な実体とイベントサリエンス評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2021-04-14T15:23:08Z)
• Estimating and Improving Fairness with Adversarial Learning [65.99330614802388]
  本研究では,深層学習に基づく医療画像解析システムにおけるバイアスの同時緩和と検出を目的としたマルチタスク・トレーニング戦略を提案する。 具体的には,バイアスに対する識別モジュールと,ベース分類モデルにおける不公平性を予測するクリティカルモジュールを追加することを提案する。 大規模で利用可能な皮膚病変データセットのフレームワークを評価します。
  論文  参考訳（メタデータ） (2021-03-07T03:10:32Z)
• Evaluation Discrepancy Discovery: A Sentence Compression Case-study [0.6430130814523793]
  測定基準も人的評価もシステム性能に関する結論を引き出すには十分でないことを示す。 我々は、システムが確立されたデータセットをゲームして最先端の結果を得る方法を示す。
  論文  参考訳（メタデータ） (2021-01-22T12:28:41Z)
• On the uncertainty of self-supervised monocular depth estimation [52.13311094743952]
  単眼深度推定のための自己監督的パラダイムは、基礎的な真理アノテーションを全く必要としないため、非常に魅力的である。 我々は,このタスクの不確かさを推定する方法と,これが深さ精度にどのように影響するかを初めて検討する。 自己教師型アプローチに特化して設計された,斬新な手法を提案する。
  論文  参考訳（メタデータ） (2020-05-13T09:00:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。